as_of 2026-10-02。探索结论全部来自亲跑命令（GitHub API 许可核验 / 本机 Clang 22.1.4 与 MinGW-w64 gcc 16.2 全量扫描 / Vitro serve 试金石），无脑测数字。
定位：实机代码勘探（
scripts/realcode_diff/，见 vitro-realcode-diff-workflow）的语料扩充设计。现状 = TheAlgorithms/C fork 基线 407 份金样本（fork 方案已落地，见该 skill 第四节）。本方案回答两件事：更多语料从哪来、按什么规则收纳；单 Clang 裁判的盲区怎么补。issue 台账：https://github.com/rustin-beep/Vitro/issues（本方案对应 issue = #25，2026-10-02 立案在册）。
一、探索实录（2026-10-02）
1.1 候选仓许可 triage（三级核验：仓库 SPDX → 嵌套许可文件 → 文件头）
| 仓库 | 许可 | 实测 commit | 嵌套许可 | 结论 |
|---|---|---|---|---|
| rui314/chibicc | MIT（© 2019 Rui Ueyama） | 90d1f7f |
无（仅根 LICENSE） | 进 Vitro（test/ 41 个 .c） |
| rui314/8cc | MIT（© 2012 Rui Ueyama） | b480958 |
无 | 进 Vitro（test/ 43 个 .c） |
| antirez/sds | BSD（© 2006-2014 antirez） | 5347739 |
无 | 进 Vitro（sds.c + 3 头；无 main，运行对比 skip） |
| csmith-project/csmith | BSD 系（© 2007-2018 Univ. of Utah，COPYING） | 0cdc710 |
— | 进 Vitro（仅收生成物——生成文件无上游版权，工具许可不传染） |
gcc-mirror/gcc gcc/testsuite/gcc.c-torture/ |
GPL-3 | — | — | 留 fork（execute/compile 两目录各 ~1000 文件，抽样纳入） |
| haoel/leetcode | 无 license（1.8 万星） | — | — | 排除（无 license = 默认保留所有权利，比 GPL 更麻烦） |
1.2 可勘探性实测（chibicc 试点深探）
Clang 真值全量（-std=c11 -Wall -Wextra -fsyntax-only，本机 22.1.4）：
- chibicc test/：16/41 绿；8cc test/：33/43 绿。
- 24 个红的归因（抽验 bitfield/control/typedef 三例）：用例故意测非标准语义——重复位域成员（C11 禁止）、隐式 int（C99 起禁止）、chibicc 自家怪癖语义（"expression is not assignable"）。gcc 同拒（见 1.3 双口径数据）——这些是"编译器怪癖测试"不是 GNU 扩展问题。
- 红文件进金样本
clang_red桶（与现 TheAlgorithms 122 红同桶，双拒无立案信号）。
Vitro serve 试金石（cwd 注入后，enum.c/cast.c）：
- E2005 ×169/×349：
({...})GNU 语句表达式被引擎系统性拒绝——教学边界内行为（C 子集不含 GNU 扩展，F-2），非缺陷；Clang 以扩展警告放行。chibicc 断言风格ASSERT(x, ({...}))使语句表达式饱和 ⇒ 该语料的 Vitro 信号集中在 parse 层的边界确认，不经过语句表达式提升变换到不了 typeck 层（变换成本高且损耗语义，不做——语料按"扩展边界桶"消费）。 - W1019 ×6（宏 ASSERT 实参副作用 ×2 警告）：既有警告面正常工作。
- 8cc 新形状：test.h 用
#include "stdio.h"（引号包标准头）+ 老式无原型声明——引号形态标准头的解析路由待实测（后续批次探针）。
方法解锁（本探索最大产出之一）：serve 进程 cwd = 语料目录 时，同目录 quote-include（#include "test.h"）解析成功——E1021 消失。此前的"serve 无 base_dir"方法限制（E1021×104 登记）对同目录形态有零改造解法：勘探驱动把 cwd 设为被测文件目录即可。多文件项目（跨目录相对 include）仍需后续 include 解析批。
1.3 gcc 分桶裁判（真实基线交叉矩阵——含一次基线漂移的发现与修复）
基线漂移的发现（本节数据的前情，诚实记录）：初测 gcc 对 fork 语料"救回 ≥77 份 clang_red"（362 vs 285 绿）——复核发现这是假象：金样本聚合自 v1 勘探（2026-10-01，autofix 补 include 之前的树），而分支提交态 462074f6 = v2 勘探（autofix 累积后）。三方对照（clang 现扫 407 文件）：现扫 361 绿 = v2 361 绿（零不一致）≠ v1 285 绿——金样本曾指向错误的测量版本。已修复：以 v2 重聚合金样本（407 文件集不变，测量值刷新；新增的 120 文件留待指纹定性后按"持续纳入"批单独入），-check 码白名单扩 E/W/H 三族（v2 起 hints 入签名）。修复后金样本 buckets：clang_red 46 / both_green 208 / vitro_red 153（旧 122/155/130 退役）；运行判定：match 53 + rand 6+3 / mismatch 23 / clang_build_fail 92 / 其余超时与运行失败。
真实基线交叉矩阵（clang 22.1.4 现扫 × mingw64 gcc 16.2，407 文件）：
| 桶 | 数量 | 明细 |
|---|---|---|
| 双绿（正常三方对拍） | 358 | 现有流程 |
| rescued（clang 红 + gcc 绿） | 4 | avl_tree.c / leetcode/src/110.c / durand_kerner_roots.c / newton_raphson_root.c——语法形状 gcc 收 clang 拒 |
| divergence（clang 绿 + gcc 红） | 3 | tcp_full_duplex_client/server.c（BOOL enum 与 MinGW windows.h 冲突）+ modified_binary_search.c（指针类型不兼容——gcc 14+ 已将 -Wincompatible-pointer-types 升为 error） |
| 双红 | 42 | 双拒桶 |
gcc 价值重定位（基于真实数字）：救回面小（4 份——autofix 补 include 已把缺头类红提前消化）；真正的价值是分歧探测——双裁判不一致 = 平台/版本敏感代码的机判旗标（3 份 divergence 全部需人工归因：MinGW 环境特有冲突、gcc 版本 error 化升级），加上 358 双绿的置信度交叉验证。角色仍是分桶裁判非第二真值（golden 只来自 Clang 不变），成本极低（P2.5 一 pass，+~60 行）。
工具链事实：clang 22.1.4（PATH 内）+ mingw64 gcc 16.2.0（D:\code\mingw64，PATH 外——勘探脚本探测序 --gcc 参数 → PATH → 该路径）。
二、方案：许可分流格局
2.1 分流规则
| 许可 | 去处 | 先例 |
|---|---|---|
| 无毒（MIT/BSD/Apache/PD，三级核验过） | Vitro 主仓 scripts/realcode_diff/corpus/<name>/ |
fs vendor（Apache-2.0）+ moonbit/THIRD_PARTY.md |
| 有毒（GPL 系） | rustin-beep/C 的 corpus/<name> 孤儿分支 |
C-master（GPL3）外置红线 |
| 无 license | 排除（不进任何一侧） | — |
依据：根仓 MIT（实测 LICENSE）；GPL 进树会强迫整个分发转 GPL——"毒"的准确定义；MIT 收 MIT/BSD 仅归属义务。
2.2 进 Vitro 的落位与义务链（每语料五步）
- 许可 triage 三级核验（1.1 表为已完成件）；
- 落位
scripts/realcode_diff/corpus/<name>/+README.corpus.md（上游 sha/许可/探针改动清单）+LICENSE.upstream（全文）； - 探针态 = 主仓普通 commit（MIT 代码可直接改——补 include/内联共享头；复现链零外部跳转）；
- 入库即验证不进防线扫描域：golden/e2e/shadow 只走
native/tests/cases/**（已确认 scripts/shadow_verify 的用例加载域），跑全套闸留证； - 金样本扩
gold_<corpus>.json+_meta.corpora登记 +-check多文件扫描。
注意：scripts/ 是冻结区——所有改动走防线维护通道。
2.3 语料梯队与推进序
| 批 | 语料 | 价值 | 前置 |
|---|---|---|---|
| 试点 | chibicc tests（MIT，41 份） | 编译器作者写的 C11 系统形状（声明符/常量表达式/位域/预处理器）；断言密集型表达式 | 无（cwd 解锁已实证） |
| 二 | 8cc tests（MIT，43 份） | 互补形状 + 引号包标准头新形态 | 无 |
| 二 | sds（BSD，1 库文件） | 真实工具库的语法/类型面 | 无 |
| 三 | csmith 生成语料（N=确定性种子） | 机械广度（声明符/表达式组合爆炸）；与总计划 §10 防线表"层 2 直拍 fuzz 模式"候补合流 | csmith 本机构建 |
| 三 | gcc c-torture 抽样（GPL，execute/compile 各 ~100） | C 语义酷刑测试经典；过滤 Clang 拒绝的 GCC 扩展后入 fork 分支 | fork 分支流程 |
| 后续 | lua / musl src/string+math / sqlite（MIT/PD） | 真实世界多文件项目最高价值面 | include 解析批（跨目录 quote-include，同 E1021×104 方法限制根治） |
2.4 gcc 裁判的接线（脚本改造点）
scripts/realcode_diff/vitro_clang_diff.go：P2 Clang 真值后加 P2.5 gcc 分桶（gcc -std=c11 -fsyntax-only，探测顺序 --gcc 参数 → PATH → D:\code\mingw64\bin）；金样本条目增 gcc_ok 字段；-check 值域白名单同步。约 +60 行，防线维护通道。
三、验收锚与待拍板点
- 已定（本方案落档即生效的裁定）：许可分流规则；gcc = 分桶裁判非第二真值；chibicc 语料按"扩展边界桶"消费（不做语句表达式提升变换）；haoel/leetcode 排除。
- 待拍板：① 试点批（chibicc）开工时机；② 无毒语料勘探接 CI（仓内语料 pinned 可复现——原"勘探不接 CI"拍板的前提变化，条件性重提）；③ include 解析批立项（第三梯队解锁钥匙，同时根治 E1021×104）。
- 诚实边界（2026-10-02 已补测）：初版"救回 ≥77"系 v1 基线漂移假象，已按真实基线修正（本节 1.3）；8cc 的 gcc 口径与 Vitro 引号标准头形态探针仍待补。